來源：科研處、信息工程學院
近日，我校信息工程學院白鐵成教授團隊在《Computers and Electronics in Agriculture》(SCI，中科院一區Top期刊，JCR農業綜合學科排名第一，IF：8.3)發表了題為“Cotton Verticillium wilt monitoring based on UAV multispectral-visible multi-source feature fusion”的研究論文。該研究提出了一種新的棉花黃萎病檢測方法，這種方法結合植被指數（VI）、顏色指數（CI）和紋理特征，旨在提高基于無人機（UAV）圖像的棉花黃萎病（CVW）疾病嚴重程度估計精度。張楠楠副教授、白鐵成教授為共同通訊作者、碩士研究生馬瑞為第一作者。該研究得到國家自然科學基金、兵團科技項目和塔里木綠洲農業教育部重點實驗室的支持。
棉花黃萎病是一種危害嚴重的世界性病害，被稱為棉花的“癌癥”。黃萎病快速監測是有效防治的基礎。常規的監測方法是通過田間觀察以及實驗室測試診斷，耗時費力，主觀性較強，且獲取信息嚴重滯后，可能影響結果的準確性。而通過無人機遙感技術手段，利用不同敏感波段來反映棉花植株生長情況及其病害的嚴重程度，則實現了棉花黃萎病的準確監測和快速診斷，為及時發現病害、減少經濟損失提供了有效技術支持。
在該研究中，使用同時搭載多光譜相機和RGB相機的六旋翼無人機作為遙感數據獲取平臺，通過ENVI軟件從棉花黃萎病遙感影像中提取植被指數（VI）、顏色指數（CI）以及紋理特征。通過一元和多元線性回歸，確定VI、CI、紋理特征和棉花黃萎病病情指數（DI）之間的相關性。采用灰狼優化（GWO）極限學習機（ELM）和粒子群優化（PSO）反向傳播神經網絡（BP）模型，探究各模型對棉花黃萎病病情程度的估測能力，發現結合植被指數、顏色指數和紋理特征的協同建模方法，能顯著提高病情的估測精度，驗證集的R2在花期為0.65（RRMSE=42.96），在花鈴期為0.66（RRMSE=20.00），在鈴期為0.88（RRMSE=10.53），為今后利用低空遙感監測作物病害狀況提供思路和方法。（文/張楠楠）
圖1總體流程圖
論文鏈接：https://doi.org/10.1016/j.compag.2024.108628
